Model Akurasi Prediksi Menggunakan Machine Learning pada Masalah Anggaran Belanja Pemerintah Pusat Berdasarkan Fungsi

Abstract

APBN merupakan rencana keuangan tahunan pemerintahan negara yang memuat rencana penerimaan dan pengeluaran negara selama satu tahun. Kemampuan pemerintah Indonesia dalam membiayai setiap belanja negara merupakan hal yang penting, dalam memprediksi belanja anggaran belanja pemerintah untuk memenuhi tanggung jawab pemerinyah dalam menyediakan layanan publik. Karena setiap tahun anggaran yang selalu dikeluarkan naik, maka diperlukan algoritma untuk memprediksinya, sehingga kita dapat mengetahui anggaran yang akan di keluarkan pada tahun berikutnya. Penggunaan algoritma Polak-Ribiére dapat membantu kita dalam memprediksi anggaran yang akan dikeluarkan pada tahun berikutnya. Namun pada penelitian bukan melaukan prediksi pada dataset anggaran belanja pemerintah pada tahun berikutnya, akan tetapi pada penelitian ini membahas kemampuan dalam memperoleh optimasi keakuratan dan pengukuran performance dari algoritma polak ribier dalam mencari hasil terbaik dalam menyelesaikan masalah prediksi anggaran belanja pemerintahan pusat berdasarkan fungsi yang diperoleh dari Badan Pusat Statistika. Data yang digunakan pada penelitian ini ialah Tabel anggaran belanja pemerintahan pusat berdasarkan fungsi tahun 2005-2021. Berdasarkan data tersebut akan di bentuk dan ditentukan model arsitektur jaringan yang ada 5 model, yakni 8-5-1, 8-7-1, 8-10-1, 8-13-1, 8-15-1. Dari 5 model arsitektur tersebut setelah dilakukan pelatihan dan pengujian maka diperoleh hasil bahwa model arsitektur terbaik adalah 8-10-1 dengan nilai MSE terendah dibandingan dengan 4 model lainnya dengan nilai MSE 0.000000118. Sehingga dapat diambil kesimpulan bahwa algoritma polak ribiere dapat memperediksi anggaran belanja pemerintahan pusat.